买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息工程大学申请的专利基于可逆深度网络的医学图像隐写方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121304425B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511870552.2，技术领域涉及：G06T1/00；该发明授权基于可逆深度网络的医学图像隐写方法及系统是由谢一涵;张伟;姜峰设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本基于可逆深度网络的医学图像隐写方法及系统在说明书摘要公布了：本发明公开了基于可逆深度网络的医学图像隐写方法及系统，为解决现有技术中存在隐写容量有限以及难以适配多模态医学图像场景的缺陷，本发明设计的方法包括：接收原始的医学图像与待嵌入的秘密信息，并对医学图像进行归一化与空间对齐；输入多尺度特征提取网络，提取低层纹理特征、中层边缘特征与高层语义特征，并在通道维度拼接形成融合特征；将融合特征与加密后的秘密信息拼接后输入可逆神经网络编码器生成隐写图像；通过可逆神经网络解码器逆向提取融合特征与加密信息，重建原始医学图像与秘密信息；采用结构感知联合损失函数优化网络性能；可应用于医疗图像的安全存储、多中心协作和医疗区块链存证。

本发明授权基于可逆深度网络的医学图像隐写方法及系统在权利要求书中公布了：1.基于可逆深度网络的医学图像隐写方法，其特征在于，执行如下步骤S1-步骤S6，构建可逆神经网络，包括可逆神经网络编码器、可逆神经网络解码器，完成对医学图像的加密和解密： 步骤S1：接收原始的医学图像与待嵌入的秘密信息，并对原始的医学图像进行归一化处理，同时进行空间对齐； 步骤S2：构建多尺度特征提取网络，将归一化后的医学图像输入多尺度特征提取网络，分别提取医学图像的低层纹理特征、中层边缘特征与高层语义特征，并在通道维度上拼接形成融合特征； 步骤S3：针对待嵌入的秘密信息，基于秘密信息的数据格式，进行加密； 步骤S4：构建可逆神经网络编码器，将融合特征与加密后的秘密信息在通道维度上拼接形成联合表示，并将联合表示输入可逆神经网络编码器以生成隐写图像； 步骤S4的具体步骤如下： 步骤S4.1：将步骤S3获得的加密后的秘密信息与步骤S2获得的融合特征拼接为联合输入： ； 式中，表示联合输入，表示在通道维度上的拼接操作； 步骤S4.2：构建可逆神经网络编码器，将联合输入输入至可逆神经网络编码器，生成隐写图像： ； 式中，是双向耦合结构的组合函数； 可逆神经网络编码器采用如下残差方式定义输出的隐写图像： ； 式中，为学习得到的扰动项，表示归一化后的医学图像； 步骤S4.3：可逆神经网络具备可逆性，可逆神经网络存在逆映射函数，使得下式成立： ； 式中，表示双向耦合结构的组合函数的逆映射函数； 根据上式提取加密后的秘密信息与融合特征； 步骤S5：构建可逆神经网络解码器，将隐写图像输入可逆神经网络解码器，通过逆向映射提取出融合特征与加密后的秘密信息，并分别重建原始的医学图像与秘密信息； 步骤S5的具体步骤如下： 步骤S5.1：构建可逆神经网络解码器，根据可逆神经网络的可逆性，将隐写图像通过逆映射函数处理，具体如下式： ； 式中，为逆映射函数处理获得的重建融合特征映射，为逆映射函数处理获得的重建秘密信息；表示双向耦合结构的组合函数的逆映射函数； 步骤S5.2：利用重建函数将重建融合特征映射转换回原始的医学图像形式： ； 式中，为重建函数，表示重建的原始医学图像； 步骤S5.3：若秘密信息经过AES加密或扩散扰动加密，则执行如下逆过程： ； 式中，表示解码的秘密信息，表示AES加密的逆过程； 同时，对扩散扰动加密部分进行均值或滤波还原，获得最终的秘密信息； 步骤S6：构建结构感知联合损失函数，对可逆神经网络进行训练，获得训练好的可逆神经网络，在发送端部署可逆神经网络编码器，在接收端部署可逆神经网络解码器，完成对医学图像的加密和解密。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。